Python Keras | keras.utils.to_categorical()

keras.utils.to_categorical()是一个用于将整型标签转换为多分类矩阵的实用函数。 例如，将数字1，2和3转换为相应地10维热编码向量。

使用方法

keras.utils.to_categorical(y, num_classes=None, dtype='float32')

1. y：整数向量，例如数字标签。
2. num_classes：总共有多少个类别。默认值是None。如果不指定，num_classes将设置为y中的最大整数+1。
3. dtype：输出的矩阵数据类型。

下面是一个简单的示例：

from keras.utils import to_categorical
import numpy as np

labels = np.array([1, 5, 3, 2, 1, 4, 2, 1, 3])
one_hot_labels = to_categorical(labels)
print(one_hot_labels)

输出结果：

[[0. 1. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 1.]
 [0. 0. 0. 1. 0. 0.]
 [0. 0. 1. 0. 0. 0.]
 [0. 1. 0. 0. 0. 0.]
 [0. 0. 0. 0. 1. 0.]
 [0. 0. 1. 0. 0. 0.]
 [0. 1. 0. 0. 0. 0.]
 [0. 0. 0. 1. 0. 0.]]

在这个示例中，我们有一个标签数组，其中包含了9个数字标签。然后，我们使用keras.utils.to_categorical()函数将每个标签转换为相应的10维热编码向量。最终，我们得到一个形状为(9, 6)的数组，其中每一行都是一个数字标签的热编码表示。

总结

keras.utils.to_categorical()是一个非常有用的函数，它可以很容易地将整数标签转换为热编码向量。无论是处理图像分类问题，还是对文本进行情感分析，都可以使用这个函数很方便地进行标签处理。